Qwen3-ASR Flash

Qwen3-ASR Flash 是 阿里云通义千问 推出的 音频输入模型，上下文窗口 53,248 tokens，单次最大输出 4,096 tokens。

原厂描述：Speech transcription model for accurate audio-to-text and captioning workflows

• 厂商：阿里云通义千问（Alibaba）
• 模型 ID：qwen3-asr-flash
• 上下文：53,248 tokens
• 最大输出：4,096 tokens
• 定价：输入 $0.035 / 输出 $0.035 · 每百万 tokens
• 能力：音频输入
• 发布日期：2025-09-08

数据来源：models.dev。